俺黑君够黑，慎关注！

物联网，云计算，大数据，人工智能是近两年科技、产业界的热门话题。分别什么意思?彼此之间又有什么关系呢?

一

物联网

1、什么是物联网?

物联网在之前被定义为通过射频识别(RFID)、红外线感应器、全球定位系统、激光扫描器、气体感应器等信息传感设备按约定的协议把任何物品与互联网连接起来进行信息交换，以实现智能化识别、定位、跟踪、监控和管理的一种网络，简言之物联网就是“物物相连的互联网”。

后来被重新定义为当下几乎所有技术与计算机、互联网技术的结合，实现物体与物体之间：环境以及状态信息实时的实时共享以及智能化的收集、传递、处理、执行。广义上说，当下涉及的信息技术的应用，都可以纳入物联网的范畴。

2、物联网的关键技术

嵌入式系统技术：是综合了计算机软硬件、传感器技术、集成电路技术、电子应用技术为一体的复杂技术。经过几十年的演变，以嵌入式系统为特征的智能终端产品随处可见;小到人们身边的MP3，大到航天航空的卫星系统。嵌入式系统正在改变着人们的生活，推动着工业生产以及国防工业的发展。如果把物联网用人体做一个简单比喻，传感器相当于人的眼睛、鼻子、皮肤等感官，网络就是神经系统用来传递信息，嵌入式系统则是人的大脑，在接收到信息后要进行分类处理。这个例子很形象的描述了传感器、嵌入式系统在物联网中的位置与作用。

传感器技术：这也是计算机应用中的关键技术。大家都知道，到目前为止绝大部分计算机处理的都是数字信号。自从有计算机以来就需要传感器把模拟信号转换成数字信号计算机才能处理。

RFID标签：也是一种传感器技术，RFID技术是融合了无线射频技术和嵌入式技术为一体的综合技术，RFID在自动识别、物品物流管理有着广阔的应用前景。

二

云计算

1、什么是云计算?

云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务)，这些资源能够快速提供，只需投入很少的管理工作，或与服务商进行很少的交互。

2、物联网和云计算的关系

云计算相当于人的大脑，是物联网的神经中枢。云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。

目前物联网的服务器部署在云端，通过云计算提供应用层的各项服务。云计算可以提供以下几个层析的服务：

IaaS：基础设施即服务

消费者通过internet可以从完善的计算机设施获得服务。例如：硬件服务器租用。

PaaS：平台即服务

PaaS实际上是指软件研发的平台作为一种服务，以SaaS的模式提交给用户。因此，PaaS也是SaaS模式的一种应用。但是PaaS的出现可以加快SaaS应用的开发速度，如：软件的个性化定制开发。

SaaS：软件即服务

它是一种通过internet提供软件的模式，用户无需购买软件，而是向提供商租用基于Web的软件，来管理企业经营活动，如：亚马逊。

三

大数据

1、什么是大数据?

大数据是一种规模大到在获取、管理、分析方面大大超出传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。如果将大数据比作一个产业，那么这种产业实现盈利的关键在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

2、大数据和云计算的关系

从技术上来看，大数据和云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

云时代的来临，大数据的关注度也越来越高，分析师团队认为大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

大数据需要特殊的技术以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模的并行处理数据库、数据挖掘、分布式文件系统、分布式数据可、云计算平台、互联网和可扩展的存储系统。

四

人工智能

1、什么是人工智能?

人工智能英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分枝，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。它是对人的意识、思维的信息过程的模拟，人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

通过上述观点我们可以简单的得出一个结论： 物联网的正常运行是通过大数据传输信息给云计算平台处理，然后人工智能提取云计算平台存储的数据进行活动。

本文版权归原作者所有。转载文章仅为传播更多信息之目的，如有侵权请与我们联系，我们将及时处理。

云计算这三个字，相信你一定听过无数遍了

但云计算到底是什么，你能回答出来吗？

其实早在2006年

Google的CEO施密特就提出了云计算的概念

然而十多年过去了

很多人依然觉得云计算“云里雾里、远在天边”

今天我们就一起侃侃云计算、云服务那些事儿

云计算是互联网的产物

要聊云计算，还要从头开始说起… …

很久以前

人们用结绳、算筹、算盘来进行计算

到了十七世纪四十年代

帕斯卡发明了机械计算器

（机械计算器）

又过了三百多年

出现了电子计算器

（电子计算器）

上世纪四五十年代

世界上第一台通用计算机在美国诞生

随后，计算机技术以惊人的速度发展

陆续诞生了：

第一代电子管数字机

第二代晶体管数字机

第三代集成电路数字机

第四代大规模集成电路机

计算机又催生了互联网技术

上世纪九十年代开始

互联网浪潮席卷全球

网上自有黄金屋

网上自有颜如玉

网络打开了新世界的大门

再后来，大家工作学习娱乐都离不开网络

上网的人多了，服务器响应也越来越慢

为了提升响应速度

人们加CPU、加内存、加硬盘

但服务器依旧鸭梨山大、处处受气

没事，换上最新、最高级的

CPU、DDR内存、SSD硬盘！

可硬件设备更新的速度

赶不上网友们日益高涨的上网热情

于是，服务器继续崩溃

人们又想出了NB的方法：

增加更多、更好的服务器！！！

虽然增加服务器提升了响应速度，但过度繁重的结构也加大了网站设计和构架的难度，导致系统不稳定，如果一个系统崩溃，就要引入不同的服务器来做不同的支援。在这样的模式下，大量计算资源被浪费在无限制的相互消耗中。

后来，大佬们想到一个好办法：把所有计算资源集结起来，通过并发使用资源完成操作请求。每个操作请求都可以按照一定的规则分割成小片段，分发给不同的机器同时运算，每个机器只要做很小的计算就可以，最后再将这些计算结果整合，输出给用户。

于是这样一种像云朵一样取之不竭、随处转移、云里雾里的模式，就叫做云计算。

到底什么是云计算，至少可以找到100种解释。现阶段广为接受的是美国国家标准与技术研究院（NIST）的定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，用户进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务等），这些资源就能够被快速提供。而使用基于互联网的方法来计算、存储和开发的公司，都可以叫做云服务公司。

虽然都是提供云服务，但服务也有不同的层次，分别为IaaS（基础设施即服务Infrastructure-as-a-Servic）、PaaS（平台即服务Platform-as-a-Service）、SaaS（软件即服务Software-as-a-Service）。

这三个名词乍一看是不是感觉有点懵，不急，我们打个比方：

假设你要玩游戏，但是不巧家里的电脑被熊孩子or女友or父母霸占了，于是你选择租一台或者去网吧。

IaaS:去隔壁王老板店里租，王老板有各种各样的电脑，但都是裸机，如果要玩英雄联盟，你要自己先装windows和LOL才能愉快地开撸。

PaaS:巷子里的小网吧，windows帮你装好了，要玩游戏的话，你要自己下载安装相应的软件。

SaaS:至尊网咖，windows装好了，游戏、播放器、浏览器也一应俱全，你想玩啥就玩啥，饿了渴了还能点零食和饮料。

所以，IaaS就是提供服务器、存储、网络硬件等基础设施租赁服务；PaaS就是将开发、运行平台作为服务，为客户提供开发、分发应用等解决方案；SaaS就是提供各种用户所需要的特定的应用软件服务。

而根据云计算服务性质的不同，可将它分为公有云、私有云、混合云。这些云又是什么东东？有哪些区别呢？我们以吃饭为例子，简单做个类比：

张三、李四、王五住一栋楼，楼下有一个大饭店。

张三一直在家做饭，这是私有云，家里的厨房就是自建数据中心。李四一直在饭店吃，这是公有云，饭店就是云数据中心。王五牛叉，在饭店有个固定包间，包间不对外人开放，这是托管型私有云（有的也叫专有云），包间就是云数据中心的托管服务器。

有一天，张三家来了好多客人，这是业务突增，家里坐不下，要去饭店吃，这是私有云转公有云。

张三妈妈省吃俭用，对张三说，你们去饭店吧，我和你爸在家吃，对张三家来说，这顿饭一部分人在家吃，一部分人在饭店吃，就成了公私混合的混合云。

所以，私有云就是为某个特定用户建立的，只能实现小范围内的资源优化。公有云是为大众建的，所有入驻用户都是租户，而且一个租户离开，其资源可以马上释放给下一个租户，就像饭店里一桌顾客走了马上迎来下一桌顾客，能够在大范围内实现资源优化。而混合云，顾名思义就是几种形式的云服务的任意混合，这种混合可以是计算、存储，也可以两者兼而有之。

云计算能降低用户的软硬件成本、运维成本，帮助用户提升服务、弹性扩展、高效部署。其实，云计算的本质就是社会分工，社会分工所产生的价值云计算都能产生，比如规模化、精细化所带来的成本降低与效率提高等等。

“云计算是未来的方向”这一观点已经成为业界共识，企业上云也成为各行各业的发展新浪潮。目前，XDC+与腾讯云建立了合作伙伴关系，为企业量身定制行业云解决方案，让金融、教育、医疗、政企等各个领域的客户享受云变革带来的红利。

云时代已经开启，再不上车就晚啦~

来吧，携手XDC+、腾讯云

一起共建云端新生态！

文末附个小调查：

最近大家都在关注哪些黑科技，接下去想听小编唠嗑哪些新技术，欢迎投票~

云计算最近的热闹不少。

8月5日，一家创业公司“前沿数控”发文，称其在腾讯云上数据全部丢失。之后腾讯云对此回应称，该事故是因所在物理硬盘固件版本bug导致的静默错误且运维人员存在不规范操作所导致，并表示了道歉与赔偿。

至此，在一年多的时间里，微软、AWS、阿里云、腾讯云等主要云计算服务商相继出现问题，这也让外界产生疑惑：云计算怎么了？

近些年，企业上云已成趋势，而云一旦出问题，很可能影响颇大；然而就像天底下没有不生病的人一样，云计算也自然也不可能百分之百完全不出问题。这次的腾讯云事件，刚好可以用来聊聊这个话题，让我们透视云计算平台与企业如何应对可能存在的问题。

没有绝对不出问题的云计算

但我们或许可以借此讨论这样一个问题：云计算平台不出错的理想情况，到底是否可能？

答案当然是否定的，任何云计算平台都有发生事故的可能。云计算本身是一种本地存储与运算的替代方案，所以本地计算可能出现的软硬件问题，也将映射到云计算体系中。

当然，随着云计算技术的不断进步以及产业服务能力增强，今天我们看到云计算应对风险的技术解决能力、容灾能力、应急冗余能力都在提高。

但同时也应该看到，云计算的另一面，是体系复杂化、碎片化的业务需求，更加复杂的云计算应用体系以及云计算+AI、云计算+IoT等新业务种类，导致出现风险的场景更多。比如去年英国一个移动应用企业发生了数据崩溃，原因在于企业员工违规收取了邮件，最终导致云存储数据被大规模劫持。

不过从另外一个角度来看，云厂商提供给用户的真正有价值的服务并不是一个一定不会出问题的服务，而是让企业可以低成本快速的搭建一个服务冗余、一定容灾的架构的能力。从腾讯云的案例中我们可以看到，云计算的问题可能很复杂，而平台的处理能力是解决问题的第一方案。

出现了问题，云计算平台如何应对？

让我们回顾一下腾讯云这次事件中，数据丢失到底因何发生：

根据腾讯云方面的技术复盘，该故障缘起于因磁盘静默错误导致的单副本数据错误，再加上数据迁移过程中的两次不规范的操作，导致云盘的三副本安全机制失效，并最终导致客户数据完整性受损。具体原因是，是因为运维人员在收到仓库空间使用率过高警告后，准备发起搬迁扩容。在搬迁国产中，为了加快速度，手动关闭了迁移过程中的数据校验。而在搬迁完成后，运维人员将出事故云盘访问切至新仓库，同时为了释放空间，对原仓库中的源数据发起了回收操作，之后发现部分云盘出现IO异常。

本次事故起源自因磁盘静默错误导致的单副本数据错误，再由于数据迁移过程中的不规范操作，导致异常数据扩散至三副本，进而导致客户数据完整性受损。

腾讯云已经正式道歉，并从技术角度坦诚了相关问题的存在。

由于云计算事故的问题，往往来自复合型问题、细节问题。而往往平台讳莫如深，甚至想要撇清责任，是导致事件复杂化的直接原因。而腾讯云此次的坦诚方案，在业界还是收获了一定的肯定

而通过腾讯云的事件，我们可以看到真正能够有效降低云计算故障的方法，是在出事前进行干预。比如说：

1、搭建应急预案，不断更新容灾技术与容灾机制，可以在出现问题时快速、低成本搭建应急架构。这是云计算平台应对可能事故的核心，而容灾机制与技术的双重保障，也是云服务品牌的核心竞争力。

2、规范化管理流程，尤其涉及数据问题时的人工操作流量。腾讯云事件中可以看出，人为不规范操作是造成很多重大损失的起因。而严格的流程化和去人工可能是较好的解决方案。

保障数据，企业用户也需配合

云计算平台自然也不是万能的。对于用户来说，选择合理的服务体系、积极做好兀余和备份工作，是进一步降低风险的举措。

另一方面，云计算服务中还有一项功能，叫做云盘快照。也就是企业可以定期来复制备份自己的数据，作为应对可能性事故的备案。而恰好腾讯云还是少数定期提供免费快照功能的云平台，为避免企业数据丢失，还是应该积极使用类似备份功能，保证自身数据的安全存放。

同时，对于核心数据来说，本地存放与云存储兼顾，是公认的更良性策略。

目前，出于市场业务细分化的需要，所有云计算平台都在提供更细节化、碎片化的服务选项。但很多时候企业并不能为了节约成本而购买单一服务，而是需要设置符合自身发展需求的云计算策略，并做好重要数据本地备份。

毕竟，狡兔三窟总归不是错误。

合理用云，前提是正确认识云

综上所述，我们可以发现，为了解决类似问题，需要云计算平台、企业客户，包括行业监管、法规定制等方向的共同努力。我们可以从以下几个方面，看到未来化解类似矛盾的可能：

1、技术层面，更加简便优质的容灾备份服务显然是主流。而在今天快速迭代的云计算体系中，通过技术保障进一步加强企业数据保障并不是奢望。而更加扎实的平台管理能力，和快速调查事故原因的能力与执行规则，也是平台企业未来需要提供的用户价值。

2、权责分明的服务关系。类似案件中，平台故障当然是主因。但企业事故也可能最终导致数据危险。

因此，平台方向企业方提供明确的风险提示，并建议做好关键数据备份；企业方购买符合自身发展需求，较为合理的云计算业务体系，都是避免最终矛盾的解决方案。另外很多云计算业务，其实都来自企业应用层面的问题，那么责权如何进一步划分，也是应该解决的问题。

平台与用户双方，能够达成策略性预见，给予对方足够的尊重，并一切有规可循，才是类似问题的最终解决办法。

一棍子打死云计算，或者把云计算捧杀到万能的地步，事实上都是毫无益处的。

2011年，中国云计算服务市场规模315.54亿元，增长88.6%；2012年，全球财富1000强企业中，有80%的企业使用云计算服务；2013年，全球云计算市场规模将超1000亿美元，2020年，规模将达到1500亿元。

电子商务时代兴起的标志

随着电子商务的发展，受制于传统数据中心的IT企业，必将会发生结构性的变革和升级，开始向高层次的结构和理念发展。传统数据中心要求所有产品都必须长期的保持高性能的工作，但事实上这往往是理想状态，系统资源的利用率底下，这无疑是给企业加重了负担。因而企业开始需要服务器的整合、资源处理的集合以及方便灵活的资源调度，于是便产生了能帮助数据中心实现计算能力的有序、按需调配的虚拟化。而云计算的出现，大大又再次实现了数据的按需交付与供给。

云计算让数据中心成为一种智能数据，在云计算模式下，所有的操作系统与应用，所有的处理和生成的数据都将部署在后台的数据中心，随时可以用IPAD或者手机来接收电脑上的应用，数据可以随意从一台电脑转移到另一台电脑，而这便极大地提高了办公的灵活性。

在国内，爱科赛尔从早期便开始提供“电子商务云计算服务”，并有针对性的提供给国内企业使用电子商务服务和应用。云计算IT运维服务的目标，就是将系统维护、系统监控等IT运维服务简单化，成为一般的公共资源，从而可以方便的被使用，并可以按需调节，最终达到让企业不断增长的运维成本从容抽身。

云计算下的电子商务优势

云计算以应用为目的，通过物联网将必要的大量硬、软件通过一定的结构体系连接起来，而云计算的目标是形成“智慧地球的系统”，所有的东西连接起来，成为一个整体。利用云计算平台能够有效的进行大数据的处理，能够维客户们听全面、强大的数据分析以及体验功能，并且能够结合用户的不同差异以及自身的特点，从而进行有效的搜索，保持高效的正确率。例如，对海量订单的处理、客户浏览点的需求以及海量的交付款行为等等。同时，云计算的虚拟化功能，还能够为电子商务企业提供扩充的服务器设施、增加存储容量，针对TB或者PB级别的海量数据能够进行快速并且有效的处理。

云环境下的大数据产生在很大程度上也降低了消费者和电商之间的信息不对称程度。一方面，电商通过多元化的信息获取渠道掌握消费者的全面信息；另一方面，分散孤立的消费者又可以通过渠道了解产品的各种信息，从而慢慢逐步呈现出个性化和多样化的趋势。交互透明的双方信息，反而更能够促进消费与生产，消费者的个性化需求也成为电商、企业关注的核心。

随着科学技术的迅速发展，人类开始进入大数据时代，云计算、大数据、移动互联网已成为时代三大主题，正在推动着新经济时代的发展。在科学领域、经济领域及社会生活的方方面面，呈现出海量数据特征，在海量数据中蕴含着人类各种行为、心理信息。

对此有网友表示称，常说的"大数据"和"云计算"应该当成动词。即"大数据"指大数据分析或大数据处理。"大数据"对应"小数据算法"，"云计算"对应"单个计算机的计算"。比如"1+1等于几"这个问题，我们可以通过小数据算法（口算），用单个计算机的计算（甚至计算器）完成计算。再想象一个复杂的问题，需要跨时间、跨空间计算的问题，比如"去年中国各行各业的生产总值，加上美国今年各行各业的生产总值是多少？"这个问题我们就需要通过大数据的分析或处理方法，用云计算完成。

进一步说，要通过分析或处理各地各时段存储的各种数据资源，用互联网上（云）大量的计算机进行计算（计算）得出结果。这就是大数据、云计算。你可以通俗的理解为：大数据（分析或处理）是前台，云计算是后台。

或者理解为：大数据（分析或处理）是软件方法，云计算是硬件设备资源。或者可以再直观的理解为：大数据就是人直接操作的界面（网页、软件或App），云计算就是这些网站、软件或App供应商提供的服务。

云计算是什么？云计算与大数据要学啥？云计算的虚拟空间无限大，物联网和互联网产生的大量数据，要找一个地方集中存储和处理，就要用云来存储。比如我们平时手机或电脑存储空间不够的情况下，会把一些图片及视频存在云盘，云端。

云计算，简单说就是把你自己电脑里的或者公司服务器上的硬盘、CPU都放到网上，统一动态调用，现在最有名的云计算服务商是亚马逊的AWS。以前你要玩最新的大型3D游戏或者做了个大型3D动画需要渲染，首先想到的都是重新买一台更高配置电脑或者换个显卡等；

有了云计算之后，你只需要一台显示器，连到服务商的云计算平台上，如果想玩两天新游戏，就单独购买这两天的高配CPU和显卡，只付两天的钱，玩腻了就恢复成普通的配置；如果你今晚要做大量渲染，就买今晚几个小时的高配，第二天早上拿到成片，就可以恢复原来的配置。所有这些计算和渲染工作都在云计算服务商的数据中心统一完成，你只需要按小时甚至按分钟计费，不用再自己买电脑和服务器了。做云计算的服务商都会自建数据中心。

大数据，简单说，就是把所有的数据放到一起分析，找到关联，实现预测。这里的所有数据对应的是之前的抽样调研取得的部分数据。比如传统的市场调研方法，就是去大街上或者网上发问卷，能得到成百上千份结果就很不错了，或者邀请几个典型用户到会议室访谈一下；大数据的做法是把收集所有人的数据进行分析，把每个人都当做独立个体进行分析，而不是找群体特征。大数据的结果就是更精准，更细致，更个性化。

再比如我们经常会看一些现代谍战片，侦察部如何找到罪犯？就是通过全城监控录像，在海量数据中搜索一个人的面孔，犯罪分子只要出现在监控中都会保留一条数据及位置，从而更好地实施下一步方案，大大提高破案效率。这也是企业为什么在极力追捧云计算大数据技术。再比如京东、淘宝、今日头条、新浪、百度、网易、等购物网站，就是采用这种技术。今天看过或搜过的，下次再打开就会主动推送什么类型的文章。

简单的说大数据就是超级存储的意思，海量数据上传到云平台后，大数据就会对数据进行深入分析和挖掘。在在各行各业均存在大数据。比如天气预报，气象中心会通过卫星发送回气象局无数条关于空气温度、湿度、密度、空气微粒等的数据，运用大数据技术，从而分析判断出这些数据。得出天气状况、空气质量、温度及风量。再比如将几千辆车的数据位置信息综合起来分析出某条路的拥堵状况。大数据必须有云作为它的基础架构，才可以推广并体现出强大的实用价值。云计算和大数据是相辅相成的。

【IT168 评论】“跨界”是现在很火的一个词，它是指从某一属性的事物进入另一属性的运作，其不只在演艺圈掀起了一阵热潮，同时也在科技圈也带起了一阵狂潮。今天，我们就来看看科技圈第一热潮——云计算公司是如何“跨界”数据库服务的。

现在看来，云计算公司“跨界”数据库并不是什么新鲜事儿。“云计算的下一个竞争战场是数据库”几乎成为了云计算公司的共识，目前云计算公司提供的数据库服务产品大多有这么几类，自研数据库、托管数据库服务、数据迁移服务、数据仓库、缓存服务等等。

上一篇文章我们盘点了国外的云计算厂商提供的数据库服务，这篇文章我们就来看看国内云计算公司都可以提供哪些数据库服务?

阿里云

阿里巴巴刚刚发布了第三财季财报，云服务的收入达到了5.33亿美元，同去年同期相比增幅达到了让人惊讶的104%。阿里云首次登上了Synergy Research发布的云计算基础设施市场份额报告的前5名。

阿里云作为中国云计算市场的霸主，其在数据库服务方面提供的产品较之前面两个公司也丝毫不差。云数据库POLARDB是阿里云自研的能满足高吞吐在线事务处理的关系型云数据库，完全兼容MySQL，性能最高提升至MySQL的6倍，自研的分布式存储引擎能提供在线扩容、故障快速恢复、数据备份容灾服务。

除此之外，我们还看到阿里云在数据库产品一栏还有三款在公测中的产品，分别是数据库应用与数据库迁移ADAM、混合云数据库管理HDM、数据库备份DBS。

腾讯云

根据腾讯发布的2017第四季度暨全年财报，2017年腾讯全年收入2377.60亿元人民币，其中腾讯云本年度快速增长，在云服务视频云和网络游戏等的垂直领域处于领先市场地位。

如果单看腾讯云的数据库服务也是比较丰富的，而且其中的两个产品HTAP数据库和腾讯云时序数据库让人印象深刻。HTAP数据库TiDB(HTAP Database for TiDB)是腾讯云基于国内最新的 NewSQL 开源数据库TiDB打造的一款同时支持联机事务处理(OLTP)和 联机分析处理(OLAP)两种业务类型的分布式数据库产品。

而腾讯云时序数据库(Cloud Time Series Database，CTSDB)更是让人惊喜，在之前的《一篇文章告诉你，为什么时序数据库会成为新趋势?》中，笔者提到了时序数据库可能会在数据库领域引领一种新的潮流，但是在前面几家云计算公司提供的产品中，我们并没有看到。腾讯云时序数据库是一种高效、安全、易用的云上时序数据存储服务，适用于物联网、大数据和互联网监控等拥有海量时序数据的场景。

百度云

相比于前面几家公司提供的数据库服务，百度云官网上列出的数据库服务略显单薄。其中分布式数据库DRDS是基于百度自研中间件的分布式多节点关系型数据库，提供大并发访问及TB级海量数据场景下的数据库存储服务，兼容MySQL协议。

另外，百度云云数据库 RDS 支持三种数据库引擎：MySQL、SQL Server、PostgreSQL，其云数据库SQL Server单机版也已经正式发布，只提供一个数据库节点，相对双机版RDS成本减半。

华为云

2010年，华为正式发布云战略，2017年3月华为副董事长、轮值CEO徐直军宣布成立Cloud BU，宣布大力进军公有云，同年8月， Cloud BU调整为一级部门。那么现在华为云的发展如何呢?据其官网显示，截至2018年2月，华为云已发布14大类共100+云服务，以及制造、医疗、电商、车联网、SAP、HPC、IoT等60多个解决方案。

数据库服务方面，华为云官网给出的云数据库产品包括关系型数据库、非关系型数据库和数据库生态。关系型数据库包括云数据库HWSQL、云数据库MySQL、云数据库PostgreSQL和云数据库SQL Server。非关系型数据库包括文档型数据库服务(DDS)和分布式缓存服务(DCS)。数据库生态包括分布式数据库中间件(DDM)、数据库安全服务(DBSS)、数据复制服务(DRS)和数据仓库服务(DWS)。

UCloud

UCloud是一家中立的云计算服务商，产品线的推出完善以云平台上客户需求为第一出发点，辅以最新的技术产品和细化产品。UCloud大部分的产品和服务都比较贴近国内用户习惯。

根据官网给出的信息，UCloud提供的数据库服务包括云数据库MySQL UDB、云数据库MongoDB UDB、云数据库PgSQL UDB、云内存存储UMem、数据仓库UDW、分布式数据库UDDB、云数据库SQL Server UDB和分布式数据库Cloud TiDB。其中Cloud TiDB还在公测中。

青云

青云QingCloud是一家成立于2012年的企业级云服务商和云计算整体解决方案提供商，已稳定运营着覆盖全国和亚太地区的10个数据中心，为逾70000家企业提供服务。根据其官网给出的信息，青云提供的数据库服务包括MySQL Plus、MySQL、PostgreSQL、MongoDB、RadonDB、Redis、Redis Cluster和Memcached。

其中，QingCloud RadonDB 是基于 MySQL 研发的新一代分布式关系型数据库，可无限水平扩展，支持分布式事务，具备金融级数据强一致性，满足企业级核心数据库对大容量、高并发、高可靠及高可用的极致要求。

云计算和大数据哪个发展前景好？

说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!

大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。

整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?

在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。